[论文解读] Multi-criteria neutrosophic decision making method based on score and accuracy functions under neutrosophic environment

Rıdvan Şahin|arXiv (Cornell University)|Dec 17, 2014

Multi-Criteria Decision Making被引用 26

一句话总结

本文提出了一种基于评分函数与准确度函数的多准则决策方法，用于处理单值与区间中性模糊集中的不确定性、不精确性和不一致性问题。该方法采用中性模糊加权聚合算子对备选方案进行排序，并通过清晰的评分-准确度评估结果展示了其有效性。

ABSTRACT

A neutrosophic set is a more general platform, which can be used to present uncertainty, imprecise, incomplete and inconsistent. In this paper a score function and an accuracy function for single valued neutrosophic sets is firstly proposed to make the distinction between them. Then the idea is extended to interval neutrosophic sets. A multi-criteria decision making method based on the developed score-accuracy functions is established in which criterion values for alternatives are single valued neutrosophic sets and interval neutrosophic sets. In decision making process, the neutrosophic weighted aggregation operators (arithmetic and geometric average operators) are adopted to aggregate the neutrosophic information related to each alternative. Thus, we can rank all alternatives and make the selection of the best of one(s) according to the score-accuracy functions. Finally, some illustrative examples are presented to verify the developed approach and to demonstrate its practicality and effectiveness.

研究动机与目标

• 解决现实场景中涉及不确定性、不精确性和不一致性的决策挑战。
• 为单值与区间中性模糊集开发评分函数与准确度函数，以实现有效的比较与排序。
• 扩展中性模糊加权聚合算子（算术与几何）以融合多准则的中性模糊信息。
• 在中性模糊环境下建立系统化的多准则决策框架。
• 通过实际示例验证所提方法的可行性与有效性。

提出的方法

• 为单值中性模糊集提出评分函数与准确度函数，以量化并区分中性模糊值。
• 将评分函数与准确度函数扩展至区间中性模糊集，以增强在不确定环境中的适用性。
• 应用中性模糊加权算术与几何聚合算子，将各备选方案的准则值进行整合。
• 利用评分-准确度函数对备选方案进行排序，评分与准确度越高表示表现越好。
• 将聚合结果与决策规则相结合，基于最高评分与准确度值选择最优备选方案。
• 通过示例性数值案例演示该方法的逐步应用过程。

实验结果

研究问题

• RQ1 如何为单值中性模糊集定义评分与准确度函数，以实现有效的比较与排序？
• RQ2 评分与准确度函数应如何适切地扩展至区间中性模糊集？
• RQ3 如何利用中性模糊加权聚合算子融合多准则的中性模糊信息？
• RQ4 所提方法如何处理决策中的不确定性、不精确性与不一致性？
• RQ5 该方法在现实决策场景中的实际表现与有效性如何？

主要发现

• 所提出的评分与准确度函数能有效区分不同的单值中性模糊集，实现可靠的排序。
• 将评分与准确度函数扩展至区间中性模糊集，有助于在更高不确定性水平下进行决策。
• 中性模糊加权聚合算子成功地将多准则的中性模糊信息整合为每个备选方案的统一评估。
• 该方法生成了清晰的备选方案排序，最优备选方案基于最大评分与准确度值被识别。
• 示例验证了该方法在处理复杂、不确定决策环境中的实用性和有效性。
• 该方法在处理不一致与不精确数据方面表现出鲁棒性，在此类情境下优于传统方法。